新算法用时间一致性做生存分析

研究提出一种受 Deep Q-Network 启发的生存分析算法，通过时间一致性递归条件与延迟目标网络，将训练目标生成与模型更新解耦，从而支持 mini-batch 优化和端到端训练。作者称该框架可适配任意复杂架构。 在长序列数据集上，该算法表现优于基准；消融实验显示目标延迟程度会显著影响预测性能与训练波动，且在两类生存模型族上，延迟目标更新均优于同时间尺度基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。